通过分层贝叶斯推断估计肌肉参数

肌肉骨骼模型在生物力学中被广泛用于将肌肉力学与运动模式联系起来。准确估计肌肉参数对于构建个体化模型至关重要，然而，大多数模型依赖于源自尸体数据的通用参数，这些参数无法反映对力生成至关重要的受试者特异性属性。在此，我们提出一种分层贝叶斯框架，利用等长肘关节任务中的表面肌电图（EMG）和力矩数据来估计受试者特异性的肌肉参数，从而克服通用参数集的局限性。该方法同时考虑了个体间变异性以及测量和模型结构中的不确定性。 该模型为每位受试者推断六个关键参数，包括屈肌和伸肌肌力、肌腱松弛长度、力臂几何以及非线性的EMG到激活关系。我们对14名年轻健康成人在多个关节角度和力矩水平下进行等长肘屈曲与伸展时的模型参数进行了估计。六参数分层贝叶斯肌肉骨骼模型能够准确重现测得的肘关节净力矩（R2 = 0.96），并且优于更简单的模型配置。肌力参数在个体之间存在显著差异，约为1.0至3.5。平均而言，参与者的该参数约为OpenSim 26通用模型的两倍。相比之下，肌腱松弛长度估计值在受试者之间变化极小。双侧测试显示左臂与右臂参数之间存在中等相关性，支持该模型捕捉受试者特异性解剖特征的能力。 交叉验证证实了模型具有稳健的预测性能，而收敛性诊断表明采样结果可靠。与传统的EMG驱动或基于影像的个体化方法相比，我们的方法能够量化不确定性，实现受试者间的部分汇聚，并避免依赖侵入性或耗时的测量。该框架可扩展至动态任务，并可适用于临床人群，包括卒中后个体。这些结果表明，分层贝叶斯推断能够稳健地实现肌肉骨骼模型的个体化，并推进我们对生物力学的理解。

James Finley 的 ORCID 记录

摘要

信息/历史

指标

补充材料

数据/代码

PDF 预览

摘要

肌肉骨骼模型在生物力学中被广泛用于将肌肉力学与运动模式联系起来。准确估计肌肉参数对于构建个体化模型至关重要，然而，大多数模型仍依赖于源自尸体数据的通用参数，而这些参数并不能反映对力生成至关重要的受试者特异性属性。本文提出了一种分层贝叶斯框架，利用等长肘关节任务中的表面肌电图（EMG）和力矩数据来估计受试者特异性的肌肉参数，从而克服通用参数集的局限性。该方法同时考虑了个体间变异性以及测量和模型结构中的不确定性。该模型为每位受试者推断六个关键参数，包括屈肌和伸肌肌力、肌腱松弛长度、力臂几何以及非线性的 EMG 到激活关系。

我们对 14 名年轻健康成人在多个关节角度和力矩水平下进行等长肘关节屈曲与伸展时的模型参数进行了估计。该六参数分层贝叶斯肌肉骨骼模型能够准确再现测得的肘关节净力矩（R² = 0.96），并且优于更简单的模型配置。肌力参数在个体之间存在显著差异，约为 1.0 到 3.5。平均而言，参与者的这些参数约为 OpenSim 26 通用模型的两倍。相比之下，肌腱松弛长度估计值在受试者之间变化极小。双侧测试显示，左臂与右臂参数之间存在中等相关性，支持该模型捕捉受试者特异性解剖特征的能力。交叉验证证实了其稳健的预测性能，而收敛性诊断表明采样结果可靠。

与传统的基于肌电图（EMG）驱动或基于影像的个体化方法相比，我们的方法能够量化不确定性，实现受试者间的部分汇聚，并避免依赖侵入性或耗时的测量。该框架可扩展至动态任务，并可适用于临床人群，包括卒中后个体。这些结果表明，分层贝叶斯推断能够稳健地实现肌肉骨骼模型的个体化，并推进我们对生物力学的理解。

利益冲突声明 脚注 https://github.com/russelljohnson95/bayesian_neuromechanics_25/tree/main

已声明资助信息 美国国立卫生研究院， https://ror.org/01cwqze88 ，NIH NINDS R21NS120274

版权 本预印本的。 本文依据 CC-BY-NC-ND 4.0 国际许可协议 发布。

返回顶部 上一页 下一页 发布于 2026 年 7 月 09 日。 下载 PDF 补充材料 数据/代码 电子邮件

感谢您有意帮助传播 bioRxiv。 您的电子邮件 *

您的姓名 *

发送至 * 输入多个地址时，请分行填写或用逗号分隔。

您将通过电子邮件发送以下内容 通过分层贝叶斯推断估计肌肉参数

邮件主题 （您的姓名）已从 bioRxiv 转发了一个页面给您

邮件正文 （您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。

您的个人留言

验证码 此问题用于测试您是否为人工访客，并防止自动化垃圾信息提交。

分享 通过分层贝叶斯推断估计肌肉参数 Russell T Johnson， Yi Yu， Yannick Darmon， Victor R Barradas， Nicolas T Schweighofer， James Finley bioRxiv 2026.07.08.737322； doi： https://doi.org/10.64898/2026.07.08.737322

分享本文： 复制

引文工具 通过分层贝叶斯推断估计肌肉参数 Russell T Johnson， Yi Yu， Yannick Darmon， Victor R Barradas， Nicolas T Schweighofer， James Finley bioRxiv 2026.07.08.737322； doi： https://doi.org/10.64898/2026.07.08.737322

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.08.737322v1?rss=1

🏷️ 分层贝叶斯推断 肌肉骨骼模型 肌电图 个体化参数估计 生物力学 肘关节力矩